基于出租车GPS轨迹数据的研究：出租车行程的数据分析|附代码数据

原文链接：http://tecdat.cn/?p=7553

最近我们被客户要求撰写关于出租车的研究报告，包括一些图形和统计输出。

通过解析原始数据 ，得到模式如下所示

数据

 每次骑行都有非常具体的上/下车位置以及开始/结束时间的详细信息。 下面显示了一个示例 ：

 我们留下了158,320,608个出租车行程的数据集，分为32,654个不同的起点/终点。

点击标题查阅往期内容

杭州出租车行驶轨迹数据空间时间可视化分析

左右滑动查看更多

01

02

03

04

自1987年以来，位于东79街和约克大街的出租车站一直将上东区的居民带到华尔街。 

我在数据中发现了沿着这条路线的252,210次记录。出租车平均需要20.35分钟才能以22.11 mph的速度行驶。当然，凌晨4点出租车的行驶速度更快，但是大多数人直到凌晨6点或凌晨7点才开始上下班：

 一年中，最忙的出租车沿该路线行驶234次（只有7辆出租车沿该路线行驶100次）：

尽管前十名最常见的出租车司机的平均速度可以预测，但他们的速度并没有比大多数人快（这可能是因为他们经常每天长时间开车）。 

SELECT
  pickup_street1, pickup_street2, dropoff_street1, dropoff_street2,
  trips_medallion, trips_pickup_datetime, trips_dropoff_datetime,
  ROUND(trips_avg_mph,4) AS avg_mpg,
  ROUND(trips_trip_duration_hours,4) AS num_hours
FROM
  [taxi_strava.joined_geohash_geonames]
WHERE
  trips_geohashed_dropoff = 'dr5ru2'
  AND trips_geohashed_pickup = 'dr5rvj'

点击文末 “阅读原文”

获取全文完整代码数据资料。

本文选自《基于出租车GPS轨迹数据的研究：出租车行程的数据分析》。

点击标题查阅往期内容

基于出租车GPS轨迹数据的研究：出租车行程的数据分析 用数据告诉你出租车资源配置是否合理 把握出租车行驶的数据脉搏 ：出租车轨迹数据给你答案! 基于出租车GPS轨迹数据的研究：出租车行程的数据分析 用数据告诉你出租车资源配置是否合理 共享单车大数据报告 R语言用泊松Poisson回归、GAM样条曲线模型预测骑自行车者的数量 消费者共享汽车使用情况调查 新能源车主数据图鉴 python研究汽车传感器数据统计可视化分析 R语言ggmap空间可视化机动车交通事故地图 R语言ggmap空间可视化机动车碰撞–街道地图热力图